提出OSCC框架控制不完美信息反事实耦合的梯度噪声

Miaobo Hu 等在 arXiv 发布论文，提出观测安全反事实耦合（OSCC）框架及 OSC-Select 选择器，用于不完美信息环境下反事实动作耦合的策略优化，以降低梯度噪声并保证不泄露额外观测信息。 OSCC 通过边缘保持、信息状态安全、分支局部策略随机性、语义事件对齐和 trace-before-oracle replay 定义可接受的反事实耦合类，并推导基于策略 Jacobian 加权回报协方差非对角项的梯度感知准则。论文称，在 10 万次固定根节点 Leduc 对比中，完全耦合的 CP-GRPO 实现将回报对比方差从 41.1158 降至 18.1441（降幅 55.87%），同时保持声明的分支边缘分布；校准组数从 64 增至 2,048 时，认证值从 0.327 升至 0.995。以上为论文声称的结果，基于论文材料。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。